PYTHON三级 机器学习

第1章 机器学习的准备 第1课 什么是机器学习？ 机器学习概述 数据分析和机器学习的区别 第2课 区分即理解 机器学习算法的本质——画线 为了准确区分，有意义的特征量尤为重要 第3课 机器学习的准备工作 在Windows中安装Jupyter Notebook 在macOS上安装Anaconda 为Jupyter Notebook安装必要的库 启动Jupyter Notebook 29Notebook的基本使用方法 第2章 查看样本数据 第4课 scikit-learn样本数据集 鸢尾花品种数据集 第5课 自动生成样本数据集 自动生成用于分类的数据集（聚类形） 自动生成用于分类的数据集（月牙形） 自动生成用于分类的数据集（双环形） 自动生成用于分类的数据集（同心圆形） 自动生成用于回归的数据集 第3章 了解机器学习的步骤 第6课 准备数据 第7课 划分训练数据和测试数据 第8课 选择模型进行训练 第9课 测试模型 第10课 输入新值并预测 第11课 将分类状态可视化 第4章 机器学习的各种算法 第12课 回归：线性回归 线性回归是什么算法？ 模型的使用方法 试验 第13课 分类：逻辑回归 逻辑回归是什么算法？ 模型的使用方法 试验 第14课 分类：SVM 模型的使用方法 试验 第15课 分类：决策树 决策树是什么算法？ 模型的使用方法 试验 第16课 分类：随机森林 随机森林是什么算法？ 模型的使用方法 试验 第17课 分类：k-NN k-NN是什么算法？ 模型的使用方法 试验 第18课 聚类：k-means k-means是什么算法？ 模型的使用方法 试验 第5章 小智回归！根据图像预测数字 第19课 准备数据 新建Notebook文件 第20课 准备训练数据 第21课 训练模型 第22课 预测 在Jupyter Notebook中上传文件 读取图像，预测数字 第23课 利用无监督学习将数据可视化 第24课 学无止境